AI在企业里干活了，首钢工人都用上了

注明：题图由AI生成

首钢的工人现在不用跑回办公室查数据了。

热轧产线边上，工人掏出手机问一句“今天铁含量超过0.25的电解槽有哪些”，答案秒出。计划单审核从一小时变成秒级，每天的生产总结从四十分钟压缩到三分钟。合同审核从半小时缩短到五分钟，风险条款识别准确率超过百分之九十五。

这不是科幻片，是2026年6月发生在首钢的真实场景。

你可能觉得AI离你很远，是巨头们发布会上的PPT。其实它已经在你看不见的地方干活了。从钢铁厂到养猪场，从银行柜台到政务窗口，从汽车生产线到家电仓库，AI正在接管那些过去必须靠人跑断腿、磨破嘴的活。

奇瑞的4000个数字员工

奇瑞汽车干了件挺吓人的事。他们给六万员工配了四千多个办公智能体。不是概念，是已经跑在生产线上干活的那种。

内部有个叫CheryGPT的东西，整合了汽车行业资讯、全系产品知识、内部流程文档，几千份资料堆在一起，支持四千多个提问场景。员工遇到问题问它，解决时效提升了百分之三十，一年省了三千万。

海外售后更直接。维修技师以前查一个故障要十分钟，现在问AI助手，一分钟搞定。翻译成本直接归零，一年又省五百万。这套东西已经从安徽芜湖跑到了南非和马来西亚。

金山办公的副总裁说了一句话挺狠：“很多办公AI给企业上的是预制菜，标准、好看，却不解决组织落地AI最难的题。”奇瑞的做法不是吃预制菜，是自己下厨，把AI长在了合同、报表、制度这些企业的核心资产里。

海尔智家的Agent操作系统

海尔智家做了件更底层的事。他们没急着上几个AI助手就完事，而是先搭了一个叫“智小能”的平台。CTO崔秀元管它叫“AI时代的企业Agent OS”。

员工通过这一个入口就能查订单、看库存、订阅经营报告，也能调用研发、采购、营销、客服等不同场景的智能体。崔秀元举了个例子，员工说“帮我查个订单”，系统不光把订单找出来，还能判断它是不是超时、要不要加急；再问原材料库存，系统还能比对库存情况、提醒是不是紧缺。

最狠的是研发端。海尔做了这么多年产品，留下了大量老图纸。以前这些图纸躺在档案室里没人翻，人根本没法把几千张图纸里的BOM零部件识别出来。AI进来以后，图纸识别智能体先把内容读出来，再传给数字化系统。过去沉在档案里的老图纸，开始重新变成可调用、可复用的数据资产。

海尔给出的答卷是：研发型号效率提升百分之二十点七，采购降本百分之十，三万终端人员的问题解决率达到百分之九十九点五。这些数字不是PPT上编的，是真实跑出来的。

北汽福田的“长超小福”

北汽福田长沙的超级卡车工厂，有个叫“长超小福”的数字员工。春节前上的线，24小时不间断巡检。

过去一份运营日报要六个人跨系统忙两小时甚至半天，现在它两分钟就生成一份万字报告。生产启动群里设备、物料、工艺问题刷屏，过去得开半小时会才理得清，现在员工@它一下，几秒就给出原因、影响、步骤、责任人。

靠着这些活，工厂跨部门任务闭环率提升了约百分之四十，预计每年减少损失近两百万。

更关键的变化在后面。过去是人下指令、AI确认执行，现在是AI主动接收业务信息、自己去操作信息系统、再把结果汇报回来。北汽福田的人说，正在尝试让AI代替人工去做管理和调度的工作。下一步是让AI直接去操作工业信息系统。IT管理员一听就冒汗，但这是必经之路。不让AI去操作信息系统，AI永远只能指挥人。

钢铁厂来了AI

首钢的大模型统一应用平台，只用了十周就建成了。不是磨洋工磨出来的，是真逼出来的。

安全隐患识别智能体把排查效率提升了百分之六十。法规制度问答智能体让查询效率提升了百分之八十以上。热轧产线宽度预测模型的R2值达到百分之九十以上。“YOLO视觉模型加大模型语义解析”的方案，实现了工业图纸精准识别，图纸查找时间从天级压缩到秒级，效率提升百分之八十。

采购管理实现了全流程可视化，数据更新时效缩短到二十分钟。供应商风险识别覆盖率达到百分之九十五以上。营销服务响应压缩到两分钟内，实现7×24小时不间断客户服务。

首钢的搞法很有意思。他们不是买了一套大系统让所有人用，而是搞了低代码、零代码的开发体系。不懂编程的人也能拖拖拽拽搭出自己的AI应用。一线工人知道痛点在哪，他们自己搭的东西，比外包公司做的更接地气。

银行柜台也在变

网商银行干了一件很多人没注意到的事。他们用小微信贷的AI审批，把效率提升了七倍。

以前判断一家小企业的真实经营情况，得派人去现场看厂房、设备、库存、门店、证照，一套下来少说一天。现在客户按提示拍几张照片，AI自动识别经营要素、核验真实性，边聊边提取关键数据。这套东西已经覆盖了五十多个线下经营场景，单户尽调时间从一天压缩到一小时，效率提升了三倍。

河南安阳一家生产摩托车锻造轮毂的工厂，单看企业本身规模不大、可用数据有限，但AI顺着产业链发现它的产品最终进了国内外头部摩托车企业的供应链，订单稳定、回款情况好。授信额度就这么上去了。

徽商银行的做法更系统。他们搞了一个“徽之道”大模型平台，用“1+1+N+M”的分层架构，目前已经覆盖了个人、对公、风控、运营、客服、办公六大板块，落地了163个具体应用场景。他们正在打造八类专业智能助手，从客户经理到柜员到审计到研发，每个人都有自己的“数字助手”。目标是实现“一岗一助手”。

政务窗口也跑起来了

安徽交通运输政务服务窗口，来了四位“数字员工”。不是机器人，是跑在电脑里的AI程序。以前办普通货运车辆年审，窗口人员得来回切换三个业务系统、打开四个查询窗口、逐字核对信息，没有二十分钟办不完。现在不到十秒。

这套东西用了两个月就开发完，建设成本降低了百分之六十。非侵入式部署，没对原有业务系统大拆大建。窗口整体效率提升了百分之四十以上，群众平均办理时长从八分钟压缩到五分钟。最忙的时候，每天能释放十几个小时的人力。

深圳福田更狠。他们搞了一个叫“AI小福”的智能体开发平台，今年三月本地化部署以来，累计注册用户超两千人，覆盖全区一百多家机关单位，孵化了超过一千个政务智能体。福田区定了两条死规矩：所有政务AI应用百分之百用国产大模型、百分之百跑在国产算力上。数据安全是不可逾越的红线。

广东还搞了全国首个省级政务智能中枢“湾擎”，已经归集了超过一百个政务场景。人工智能正在全面融入广东的行政办公、政务服务、社会治理。

AI落地的真相

你会发现一个规律。真正在跑的企业AI，跟发布会上那些酷炫的演示完全是两码事。没有全息投影，没有炫酷的UI，没有令人惊叹的对话能力。它就是一个对话框，一个表格，一个自动生成的报告。

但它替一线工人省了跑回办公室的时间，替银行审批员省了跑现场的时间，替窗口办事员省了切换系统的时间。把时间省下来，就是钱。

2026年是大模型从能力验证进入价值兑现的关键一年。 企业不再只问“有没有AI”，而是开始追问更具体的问题：AI能不能进入真实工作流？能不能理解企业的权限、知识和业务上下文？能不能参与跨部门协作？能不能被追踪、复用和持续迭代？

你会发现，企业采购逻辑正在发生变化，它们不再愿意为“看起来有AI”付费，而是开始为一套能让AI进入组织运行的基础设施买单。模型能力依然重要，但它已经不是唯一答案。企业真正需要的，是让AI能够理解组织、连接流程、调用知识、处理权限，并进入业务现场的能力。

就像科大讯飞说的，大模型应用正从“能用”迈向“好用、用得起、可规模化”。

这场变革才刚开始。你感觉不到它，不代表它没在发生，它只是不声张。